留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

页岩薄片孔缝分割的自动阈值生成方法

陈雁 王柯 李祉呈 焦世祥 王占磊 蒋裕强

陈雁,王柯,李祉呈,等. 页岩薄片孔缝分割的自动阈值生成方法[J]. 海洋地质前沿,2021,37(5):57-62 doi:  10.16028/j.1009-2722.2020.070
引用本文: 陈雁,王柯,李祉呈,等. 页岩薄片孔缝分割的自动阈值生成方法[J]. 海洋地质前沿,2021,37(5):57-62 doi:  10.16028/j.1009-2722.2020.070
CHEN Yan, WANG Ke, LI Zhicheng, JIAO Shixiang, WANG Zhanlei, JIANG Yuqiang. RESEARCH ON AUTOMATIC THRESHOLD GENERATION METHOD FOR SHALE SLICE HOLE SEGMENTATION[J]. Marine Geology Frontiers, 2021, 37(5): 57-62. doi: 10.16028/j.1009-2722.2020.070
Citation: CHEN Yan, WANG Ke, LI Zhicheng, JIAO Shixiang, WANG Zhanlei, JIANG Yuqiang. RESEARCH ON AUTOMATIC THRESHOLD GENERATION METHOD FOR SHALE SLICE HOLE SEGMENTATION[J]. Marine Geology Frontiers, 2021, 37(5): 57-62. doi: 10.16028/j.1009-2722.2020.070

页岩薄片孔缝分割的自动阈值生成方法

doi: 10.16028/j.1009-2722.2020.070
基金项目: 四川省科技厅项目“深层页岩智能孔缝分析及孔隙网络建模技术研究”(2020YFG0156);四川省科技厅重点项目“海相页岩气建产核心区智能评价系统研究”(19YYJC1055);国家自然科学基金“基于特征提取与分层建模的社交网络信息传播预测研究”(61503312);南充市市校科技战略合作项目(18SXHZ0010)
详细信息
    作者简介:

    陈雁(1982—),女,硕士,副教授,硕士生导师,主要从事油气智能勘探及数字油田建设等方面的研究工作.E-mail:carly.chenyan@gmail.com

    通讯作者:

    蒋裕强(1963—),男,硕士,教授,博士生导师,主要从事油气地质及油气藏开发地质等方面的研究工作.E-mail:xnsyjyq3055@126.com

  • 中图分类号: P618.13

RESEARCH ON AUTOMATIC THRESHOLD GENERATION METHOD FOR SHALE SLICE HOLE SEGMENTATION

  • 摘要: 随着页岩气勘探开发领域的快速发展,页岩储层的微观结构表征及分析技术显得愈发重要。其中基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段。现有的阈值分割方法主要有最大类间方差法、最大熵阈值分割法等,它们在各种图像分割任务上都取得了不错的成绩。然而,在页岩孔隙分割问题上,它们均存在耗时较长且不能有效分离薄片扫描电镜图像中的孔隙和基质等元素的问题。页岩薄片孔缝分割的自动阈值生成方法能根据页岩薄片的不同特点,自适应地快速生成对应图像的最佳灰度阈值,自动识别页岩孔隙和基质等地质元素。在足206井的页岩扫描电镜图像上进行了实验,与传统方法进行对比,实验结果表明,页岩薄片孔缝分割的自动阈值生成方法能准确实现孔隙和基质等元素的分离,在各类图像上都能高效地自动生成最佳灰度阈值,为页岩微观图像孔隙结构定量分析提供可靠基础。
  • 图  1  页岩扫描电镜图像分析流程

    Figure  1.  The flowchart of shale scanning electron microscope image analysis

    图  2  页岩薄片孔缝分割的自动阈值生成方法流程

    Figure  2.  The process of automatic threshold generation method for shale slice segmentation

    图  3  页岩薄片孔缝分割的自动阈值生成方法整体示意图

    Figure  3.  Schematic diagram of the automatic threshold generation method for shale slices

    图  4  本方法对形态各异的页岩薄片扫描电镜图像灰度分布图中的分割效果

    Figure  4.  The segmentation effect of the method adopted in the gray distribution of shale slices of different shapes

    图  5  与其他阈值分割方法结果的对比

    Figure  5.  Comparison of results with other threshold segmentation methods

  • [1] SONDERGELD C H, AMBROSE R J, RAI C S, et al. Micro-structural studies of gas shales[C]//Society of Petroleum Engineers,2010.
    [2] CLARKSON C R,SOLANO N,BUSTIN R M,et al. Pore structure characterization of North American shale gas reservoirs using USANS/SANS,gas adsorption,and mercury intrusion[J]. Fuel,2013,103:606-616. doi:  10.1016/j.fuel.2012.06.119
    [3] AL HINAI A,REZAEE R,ESTEBAN L,et al. Comparisons of pore size distribution:a case from the Western Australian gas shale formations[J]. Journal of Unconventional Oil and Gas Resources,2014,8:1-13. doi:  10.1016/j.juogr.2014.06.002
    [4] 李俊乾,卢双舫,张婕,等. 页岩油吸附与游离定量评价模型及微观赋存机制[J]. 石油与天然气地质,2019,40(3):583-592.
    [5] 孙寅森,郭少斌. 基于图像分析技术的页岩微观孔隙特征定性及定量表征[J]. 地球科学进展,2016,31(7):751-763.
    [6] 王羽,金婵,汪丽华,等. 应用氩离子抛光-扫描电镜方法研究四川九老洞组页岩微观孔隙特征[J]. 岩矿测试,2015,34(3):278-285.
    [7] 白名岗,夏响华,张聪,等. 场发射扫描电镜及PerGeos系统在安页1井龙马溪组页岩有机质孔隙研究中的联合应用[J]. 岩矿测试,2018,37(3):225-234.
    [8] 武瑾,梁峰,吝文,等. 渝东北地区龙马溪组页岩储层微观孔隙结构特征[J]. 成都理工大学学报(自然科学版),2016,43(3):308-319.
    [9] 王欣,齐梅,李武广,等. 基于分形理论的页岩储层微观孔隙结构评价[J]. 天然气地球科学,2015,26(4):754-759.
    [10] 焦淑静,张慧,薛东川,等. 泥页岩有机显微组分的扫描电镜形貌特征及识别方法[J]. 电子显微学报,2018,37(2):137-144. doi:  10.3969/j.issn.1000-6281.2018.02.006
    [11] 姜振学,唐相路,李卓,等. 川东南地区龙马溪组页岩孔隙结构全孔径表征及其对含气性的控制[J]. 地学前缘,2016,23(2):126-134.
    [12] LIU Y,ZHU Y M. Comparison of pore characteristics in the coal and shale reservoirs of Taiyuan Formation,Qinshui Basin,China[J]. International Journal of Coal Science & Technology,2016,3(3):330-338.
    [13] CURTIS M E,SONDERGELD C H,AMBROSE R J,et al. Microstructural investigation of gas shales in two and three dimensions using nanometer-scale resolution imaging[J]. AAPG Bulletin,2012,96(4):665-677. doi:  10.1306/08151110188
    [14] 傅志强,贺翠翠,刘锡贝,等. 扫描电镜测量纳米尺度的影响因素[J]. 电子显微学报,2012,31(3):226-229. doi:  10.3969/j.issn.1000-6281.2012.03.006
    [15] 吴一全,孟天亮,吴诗婳. 图像阈值分割方法研究进展20年(1994—2014)[J]. 数据采集与处理,2015,30(1):1-23.
    [16] 俞雨溪,王宗秀,程明,等. 页岩微观结构灰度图像的标准化方法[J]. 煤炭学报,2019,44(7):2178-2187.
    [17] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems,Man,and Cybernetics,1979,9(1):62-66. doi:  10.1109/TSMC.1979.4310076
    [18] KAPUR J N,SAHOO P K,WONG A K C. A new method for gray-level picture thresholding using the entropy of the histogram[J]. Computer Vision,Graphics,and Image Processing,1985,29(3):273-285. doi:  10.1016/0734-189X(85)90125-2
    [19] 章毓晋. 图像分析[ M]. 北京: 清华大学出版社, 2005.
    [20] 章毓晋. 图像分割[ M]. 北京: 科学出版社, 2001.
    [21] 史春奇,施智平,刘曦,等. 基于自组织动态神经网络的图像分割[J]. 计算机研究与发展,2009,46(1):23-30.
  • [1] 王正.  基于分形特征的中低孔渗储层分类研究 . 海洋地质前沿, 2021, 37(): 1-7. doi: 10.16028/j.1009-2722.2021.151
    [2] 陈雁, 李祉呈, 程超, 焦世祥, 蒋裕强, 宋敏, 王占磊.  FLU-net:用于表征页岩储层微观孔隙的深度全卷积网络 . 海洋地质前沿, 2021, 37(8): 34-43. doi: 10.16028/j.1009-2722.2019.196
    [3] 鲍衍君, 张鹏辉, 梁杰, 薛路, 付奕霖.  加拿大魁北克省奥陶系Utica海相页岩矿物分析及孔隙结构特征 . 海洋地质前沿, 2020, 36(10): 57-67. doi: 10.16028/j.1009-2722.2020.095
    [4] 胡广元, 庄振业, 印萍, 赵东波, 刘爽, 王玲.  D219孔和渤海湾北部晚第四纪地质环境 . 海洋地质前沿, 2017, 33(6): 16-23. doi: 10.16028/j.1009-2722.2017.06003
    [5] 苏国辉, 林峰, 刘京鹏, 高茂生.  基于CDMA的海岸带地下水自动监测系统 . 海洋地质前沿, 2016, 32(12): 59-64. doi: 10.16028/j.1009-2722.2016.12009
    [6] 许红, 张海洋, 张德润, 卢树参, 卢建忠, 王修齐, 张威威.  下扬子区海陆盆地构造分割的深大断裂证据与地质构造意义 . 海洋地质前沿, 2016, 32(3): 16-23. doi: 10.16028/j.1009-2722.2016.03003
    [7] 江凯禧, 彭丽, 何文祥, 郭清正, 姚长华, 张曼婷.  页岩气储层非均质性研究——以四川盆地下寒武统筇竹寺组为例 . 海洋地质前沿, 2014, 30(8): 47-54.
    [8] 梅西, 李日辉, 张训华.  南黄海DLC70-3孔晚更新世以来Rb/Zr值特征及环境意义 . 海洋地质前沿, 2014, 30(2): 10-17.
    [9] 孙军, 郑求根, 温珍河, 侯方辉, 肖睿, 任君喆.  南华北盆地二叠系山西组页岩气成藏地质条件及勘探前景 . 海洋地质前沿, 2014, 30(4): 20-27.
    [10] 徐祖新.  基于颜色显示快速估算页岩有机碳含量的新方法 . 海洋地质前沿, 2014, 30(5): 64-69.
    [11] 孙宁富, 郭凤霞.  黏土矿物在油气生成中的催化效应 . 海洋地质前沿, 2014, 30(2): 39-45.
    [12] 祝彦贺.  北美某盆地Z区块页岩油气产量的影响因素 . 海洋地质前沿, 2013, 29(8): 33-38,52.
    [13] 张田, 张建培, 张绍亮, 余逸凡, 唐贤君.  页岩气勘探现状与成藏机理 . 海洋地质前沿, 2013, 29(5): 28-35.
    [14] 胡向阳, 吴健, 陈嵘, 何胜林, 陈鸣.  南海珠江口盆地文昌A凹陷低孔低渗油气层测井识别方法及应用 . 海洋地质前沿, 2012, 28(6): 46-50.
    [15] 龚建明, 王蛟, 孙晶, 蒋玉波.  前陆盆地——页岩气成藏的有利场所 . 海洋地质前沿, 2012, 28(12): 25-29.
    [16] 周红霞, 关进安, 李栋梁, 梁德青.  渗漏型甲烷水合物的生成实验 . 海洋地质前沿, 2012, 28(4): 62-66.
    [17] 龚建明, 李刚, 李桂海, 杨长清, 蒋玉波, 杨传胜.  页岩气成藏的关键因素 . 海洋地质前沿, 2012, 28(10): 28-32.
    [18] 何金先, 段毅, 张晓丽, 吴保祥, 徐丽.  渝南—黔北地区下寒武统牛蹄塘组页岩气成藏的生烃条件 . 海洋地质前沿, 2011, 27(7): 34-40.
    [19] 赵鹏飞, 余杰, 杨磊.  页岩气储量评价方法 . 海洋地质前沿, 2011, 27(7): 57-63.
  • 加载中
图(5)
计量
  • 文章访问数:  26
  • HTML全文浏览量:  1
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-07
  • 网络出版日期:  2021-04-27
  • 刊出日期:  2021-05-20

页岩薄片孔缝分割的自动阈值生成方法

doi: 10.16028/j.1009-2722.2020.070
    基金项目:  四川省科技厅项目“深层页岩智能孔缝分析及孔隙网络建模技术研究”(2020YFG0156);四川省科技厅重点项目“海相页岩气建产核心区智能评价系统研究”(19YYJC1055);国家自然科学基金“基于特征提取与分层建模的社交网络信息传播预测研究”(61503312);南充市市校科技战略合作项目(18SXHZ0010)
    作者简介:

    陈雁(1982—),女,硕士,副教授,硕士生导师,主要从事油气智能勘探及数字油田建设等方面的研究工作.E-mail:carly.chenyan@gmail.com

    通讯作者: 蒋裕强(1963—),男,硕士,教授,博士生导师,主要从事油气地质及油气藏开发地质等方面的研究工作.E-mail:xnsyjyq3055@126.com
  • 中图分类号: P618.13

摘要: 随着页岩气勘探开发领域的快速发展,页岩储层的微观结构表征及分析技术显得愈发重要。其中基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段。现有的阈值分割方法主要有最大类间方差法、最大熵阈值分割法等,它们在各种图像分割任务上都取得了不错的成绩。然而,在页岩孔隙分割问题上,它们均存在耗时较长且不能有效分离薄片扫描电镜图像中的孔隙和基质等元素的问题。页岩薄片孔缝分割的自动阈值生成方法能根据页岩薄片的不同特点,自适应地快速生成对应图像的最佳灰度阈值,自动识别页岩孔隙和基质等地质元素。在足206井的页岩扫描电镜图像上进行了实验,与传统方法进行对比,实验结果表明,页岩薄片孔缝分割的自动阈值生成方法能准确实现孔隙和基质等元素的分离,在各类图像上都能高效地自动生成最佳灰度阈值,为页岩微观图像孔隙结构定量分析提供可靠基础。

English Abstract

陈雁,王柯,李祉呈,等. 页岩薄片孔缝分割的自动阈值生成方法[J]. 海洋地质前沿,2021,37(5):57-62 doi:  10.16028/j.1009-2722.2020.070
引用本文: 陈雁,王柯,李祉呈,等. 页岩薄片孔缝分割的自动阈值生成方法[J]. 海洋地质前沿,2021,37(5):57-62 doi:  10.16028/j.1009-2722.2020.070
CHEN Yan, WANG Ke, LI Zhicheng, JIAO Shixiang, WANG Zhanlei, JIANG Yuqiang. RESEARCH ON AUTOMATIC THRESHOLD GENERATION METHOD FOR SHALE SLICE HOLE SEGMENTATION[J]. Marine Geology Frontiers, 2021, 37(5): 57-62. doi: 10.16028/j.1009-2722.2020.070
Citation: CHEN Yan, WANG Ke, LI Zhicheng, JIAO Shixiang, WANG Zhanlei, JIANG Yuqiang. RESEARCH ON AUTOMATIC THRESHOLD GENERATION METHOD FOR SHALE SLICE HOLE SEGMENTATION[J]. Marine Geology Frontiers, 2021, 37(5): 57-62. doi: 10.16028/j.1009-2722.2020.070
    • 近年来,页岩油气勘探开发领域发展迅速,业界开始将页岩视为储集层并开展了相关基础研究工作,大大促进了页岩微观结构表征分析技术的发展[1-3]。目前,在页岩储层微观孔隙研究中,大多使用以扫描电镜等微区分析为主的图像分析技术[4-8],该技术直观明了,尤其在孔隙形态学方面具有显著优势,结合统计学方法还可获取孔隙度、孔径分布等定量信息[5-12]

      基于阈值分割法获取页岩孔隙结构参数是页岩微观结构表征的一种重要手段。页岩扫描电镜图像分析流程如图1所示,对扫描电镜成像、CT扫描成像和核磁共振成像得到的灰度图像,阈值分割法通过设定灰度阈值范围对图像中的孔隙进行识别,划分出图像孔隙[13],进而提取孔隙度、孔隙面积和孔径等定量信息。因此,页岩薄片扫描电镜图像灰度阈值的选取对获取页岩薄片图像孔隙结构参数具有重要意义,是实现页岩储层微观孔隙结构自动化定量表征的关键。

      图  1  页岩扫描电镜图像分析流程

      Figure 1.  The flowchart of shale scanning electron microscope image analysis

    • 由于页岩的微观非均质性很强,在扫描成像过程中往往需要根据样品自身特点调整亮度、对比度等参数以达到比较好的成像效果,这将会使得不同视域、不同样品的图像灰度分布特征发生变化[14],从而导致孔隙所处的灰度阈值区间产生差异[15-16]。因此,怎样准确选取页岩薄片扫描电镜图像的灰度阈值成为了一个难题。

      目前,已经提出了很多阈值选取的方法,如最大类间方差法[17]、最大熵阈值分割法[18]等,其中最大类间方差法忽略了图像的空间信息,在图像中的目标与背景的面积相差很大时,不能有效地分离目标和背景。而最大熵阈值分割法则只适用于无双峰直方图或者双峰变化较平坦的直方图图像。同时,由于页岩薄片扫描电镜图像的灰度值分布直方图并不是简单的双峰图像,不能简单地通过谷底阈值将图像一分为二。因此,对于这种灰度值分布直方图灰度级分布谷底不明显的复杂图像,使用传统的分割方法并不能从图像中稳定可靠地将目标和背景分离,很难达到满意的分割效果。特别是针对页岩薄片扫描电镜图像分割难的问题,还没有特别好的阈值选取方法。

    • 页岩薄片孔缝分割的自动阈值生成方法很好地解决了之前方法存在的分割效果不明显、耗时和主观因素对识别结果的影响等问题,并且具有分割效果好、流程简单迅速、能实现自动识别页岩孔隙和基质等地质元素等特点,最大程度降低了人为因素对图像孔隙结构参数观测统计结构的影响。流程如图2所示。

      图  2  页岩薄片孔缝分割的自动阈值生成方法流程

      Figure 2.  The process of automatic threshold generation method for shale slice segmentation

    • 页岩薄片孔缝分割的自动阈值生成方法是根据扫描电镜图像的灰度值分布,来获取图像的最佳灰度阈值。首先,需要读取页岩薄片扫描电镜灰度图像(图3d),得到其灰度值分布(图3a)。根据各灰度值对应的像素点数目构建图像的灰度值分布直方图,得到灰度值对应的频率分布$ {P}_{0}\left(x\right) $。其中图像的灰度值范围是0~255,对应颜色从黑到白。

      图  3  页岩薄片孔缝分割的自动阈值生成方法整体示意图

      Figure 3.  Schematic diagram of the automatic threshold generation method for shale slices

    • 得到灰度值分布后,由于其分布存在较多的噪声点,要对其进行平滑处理[19]。使用模板0.25[1,2,1]对灰度值分布进行平滑处理,得到平滑后的灰度值分布为$ P\left(x\right) $图3b)。即对于灰度值分布直方图,平滑后的分布直方图SmoothHist满足:

      $$ \begin{split} &SmoothHist = 0.25 \times Hist\left[ {i - 1} \right] + \\ & 0.5 \times Hist\left[ i \right] + 0.25 \times Hist\left[ {i + 1} \right] \end{split} $$ (1)

      (其中0<i<255)。通过实验发现,平滑300次左右后能得到分布性质较为良好的灰度值分布。

    • 因为得到的灰度值分布$ P\left(x\right) $是连续可导的,可以通过对平滑后的灰度值分布$ P\left(x\right) $求导得到灰度值的一阶导数分布$ {P}^{'}\left(x\right) $,并寻找$ {P}^{'}\left(x\right) $中从左到右第1个导数为0的点所对应的灰度值T1。以T1起点,从左到右寻找导数值变化≤1个阈值(在本文实验中,该阈值=7)的连续点所对应的灰度值集合,其中最右边的值即为最佳灰度阈值(图3c)。通过最佳灰度阈值对图像进行分割,能有效地区分页岩薄片中的孔隙和基质等地质元素。

    • 页岩薄片孔缝分割的自动阈值生成方法主要由获取图像的灰度值分布、平滑图像并求一阶导数和自适应生成最佳灰度阈值3个步骤组成。图像灰度值区域长度为256,假设一幅图像的像素点个数为M

      (1)在获取图像的灰度值分布时需要对图像的所有像素点进行遍历,时间复杂度为O(M);并且需要按灰度值从小到大生成灰度值分布图,时间复杂度为O(1)。则该步骤的时间复杂度为O(M)。

      (2)在平滑图像并求一阶导数时,需要对图像进行模板平滑300次左右,时间复杂度为O(1),接着需要遍历整个灰度值区域并求一阶导数,时间复杂度为O(1),则该步骤的总时间复杂度为O(1)。

      (3)在自适应生成最佳灰度阈值时,需要以T1起点,从左到右寻找导数值变化≤7的连续点所对应的灰度值集合,并求得最右边的值为我们的最佳灰度阈值,则该步骤的时间复杂度为O(1)。

      所以,页岩薄片孔缝分割的自动阈值生成方法的总时间复杂度为O(M)。相比之前的方法,时间复杂度更低,执行效率更高。针对不同特点的页岩薄片扫描电镜图像,都能快速地自适应生成最佳灰度阈值,有效地分割孔隙和基质等元素。

    • 为了验证算法的有效性,在足206井的页岩扫描电镜图像上进行了实验,这些图像中包含单峰图像、双峰图像以及多峰图像等分布各异的图像。实验表明该算法在这些图像上都能有效地自动生成最佳灰度阈值,准确地将孔隙和基质等元素分离开来。

      图4ac所示,由于页岩中孔隙和基质的灰度比较接近而大部分重叠,或孔隙和基质的面积相差较大,导致最终的灰度分布直方图可能呈现单峰分布。使用传统的单峰直方图阈值方法,需要繁琐的计算确定直方图的凸包[19]。如图4b所示,由于页岩中孔隙和基质的灰度分布比较相近,没有明显的分界点,导致最终的灰度分布直方图可能呈现交叉的双峰直方图。使用传统的方法对图像进行分割,往往不能有效地分离孔隙和基质。而图4d是比较理想的双峰直方图,通过2个峰之间的波谷值就能有效地分离图像。但是,由于页岩薄片扫描电镜图像的特点,这种情况是非常少见的。

      图  4  本方法对形态各异的页岩薄片扫描电镜图像灰度分布图中的分割效果

      Figure 4.  The segmentation effect of the method adopted in the gray distribution of shale slices of different shapes

      实验结果表明,页岩薄片孔缝分割的自动阈值生成方法能根据不同的页岩薄片扫描电镜图像,自动地生成对应的最佳灰度阈值,具有较好的自适应特点,能实现自动识别页岩孔隙和基质等地质元素,提高了图像提取孔隙结构参数的可对比性,为页岩微观图像孔隙结构定量分析提供了可靠基础。同时,算法利用了图像灰度值分布的导数性质,使得其处理速度非常快。在内存为8 G,CPU为Intel Core I7-8550U的普通笔记本电脑上,一幅尺寸为701×1 024像素的图片,处理时间约30 ms。

    • 在相同的数据集上分别使用了传统方法中的最大类间方差法和最大熵阈值分割法进行实验,并与自动阈值生成方法得到的结果进行了对比。在孔隙和基质分布差异比较明显的页岩薄片图像中,如图5ad所示,本方法和最大类间方差法都能有效地分割孔隙和基质,分割效果优良。而最大熵阈值分割法在图5a上将部分孔隙划分为基质,不能有效地分割孔隙和基质。这可能是因为图5a中孔隙和基质的分布差异要小于图5d中的分布差异。但是,在孔隙和基质分布比较接近的页岩薄片图像中,如图5bcef所示,最大类间方差法和最大熵阈值分割法均不能对页岩薄片图像进行有效的分割,将大多数孔隙错分为基质,甚至出现了将整个图像识别成只有基质的错误,而本方法仍然能有效地分割孔隙和基质。因此,自动阈值生成方法能自适应地对各类分布性质的页岩薄片图像进行分割,弥补了传统阈值分割方法不能对页岩薄片进行有效分割的缺点,高效地生成页岩薄片扫描电镜图像最佳灰度阈值,自动识别页岩孔隙和基质等地质元素。

      图  5  与其他阈值分割方法结果的对比

      Figure 5.  Comparison of results with other threshold segmentation methods

    • 据不完全统计,图像分割算法已有上千种,但至今尚无统一的理论[20-21]。探索新的图像分割算法一直是一项很有意义的工作。针对页岩薄片提出了页岩薄片孔缝分割的自动阈值生成方法,利用了图像灰度值分布的导数性质,并根据图像的分布特点,自适应地生成对应图像的最佳灰度阈值,能快速地对页岩薄片扫描电镜图像进行分割。该算法具有运行高速稳定、耗时短等优点,且能获得较好的分割效果,能自动识别页岩孔隙和基质等地质元素,提高了图像提取孔隙结构参数的可对比性,为页岩储层微观结构表征分析技术提供了可靠保障。此外,本文提出的方法也可以用于其他岩性孔缝的识别。

参考文献 (21)

目录

    /

    返回文章
    返回